PAN 2 vs SKY-001: один моделирует, что произойдёт дальше, другой чертит, что строить.

Kimi K3 фигурирует в обоих документах о запуске, в один и тот же двухнедельный период, выполняя противоположные задачи. В техническом отчёте PAN 2 Kimi K3 выступает концептуальным ризонером — языковой моделью, которая читает запрос и пишет структурированную подпись с привязкой ко времени, которую диффузионный трансформер с 29 млрд параметров превращает в видео. В таблицах SKY-001 от Skyfall Kimi K3 выступает базовым конкурентом: ей поручают самостоятельно нарисовать CAD-сборку, и она воспроизводит 9,5% эталонной геометрии по метрике intersection-over-union. В одном запуске передовая языковая модель используется для написания плана. В другом измеряется, как передовые языковые модели не справляются с задачей черчения. Это различие лучше помогает разобраться в этих двух моделях, чем объединяющий их ярлык. PAN 2 — это модель мира Института фундаментальных моделей при MBZUAI: веса под Apache-2.0 на Hugging Face с 7 октября 2026 года, код — с 5 ноября, а официальный анонс — 10 ноября; она предсказывает до двадцати секунд видео с разрешением 704×1248 по необязательному первому кадру и действию, описанному в тексте. SKY-001 — инженерная модель Skyfall AI, анонсированная 19 октября 2026 года; она всё ещё доступна только через список ожидания, а коммерческое развёртывание запланировано на начало 2027 года. Она предсказывает упорядоченную последовательность операций черчения, в результате которой получается CAD-деталь или план этажа.

Ни одна из дат не является сегодняшней, и ничто ниже не подаётся как запуск. Далее — что фактически вычисляет каждая модель, в чём каждая слаба по своим собственным числам и какая из двух нужна вашей задаче.

Предсказываются две разные вещи

В цепочке PAN 2 есть языковая модель. Концептуальный модуль рассуждения — любая модель, следующая инструкциям — читает наблюдение и запрошенные действия и записывает следующее состояние мира в виде структурированной подписи: события по порядку, действия, привязанные к акторам, движение камеры. Замороженный текстовый энкодер Qwen3.5-9B отображает эту подпись в признаки обусловливания. Мультимодальный диффузионный трансформер на 29B, обученный с нуля на видео, аннотированном в том же формате, предсказывает латентные представления, которые подпись оставляет открытыми, с обусловливанием на неё и на VAE-латент стартового кадра, а декодер Wan 2.2 рендерит их. Сэмплер по умолчанию — 50 шагов при flow shift 9 с classifier-free guidance 2.5 на каждом шаге, а контрольная точка занимает 86.17 ГБ в шестидесяти файлах.

Цепочка SKY-001 вместо этого содержит иерархию. Иерархический композитор принимает проектный замысел — изображение, текст или оболочку здания с техзаданием — генерирует весь проект, затем разбивает его уровень за уровнем и параллельно уточняет каждый лист. После этого модель мира строительства предсказывает упорядоченную последовательность визуальных состояний, которая строит каждый лист: в CAD — цепочку состояний трёхмерных тел, где между каждой последовательной парой рисуется 2D-эскиз; в BIM — план этажа, рисуемый штрих за штрихом. Рисунок выполняется как диффузия в два прохода: грубый проход в сжатом латентном пространстве от автоэнкодера в стиле матрёшки, а затем уточняющий модуль, восстанавливающий полное разрешение. Обе стадии — диффузионные трансформеры; ни одна из них не предсказывает токены. Skyfall не опубликовала количество параметров, веса, лицензию или API.

• Что предсказывается — PAN 2 предсказывает следующее наблюдение в виде пикселей по заданному действию; SKY-001 предсказывает следующее состояние конструкции в виде заливки или обводки по заданному намерению.

• Как входит время — PAN 2 работает по физическим часам: по умолчанию 241 кадр (около десяти секунд) и до 481 кадра (двадцать секунд) при 24 кадрах в секунду; SKY-001 работает по процедурной последовательности из примерно 100 шагов отрисовки на каждый CAD-компонент и 70 на каждый план этажа, при этом физических часов в нём нет вообще.

• Заявляется ли физика — PAN 2 оценивается непосредственно по физической правдоподобности; материалы SKY-001 вообще не содержат заявлений о динамике, поскольку то, что он изображает, — это дизайн, а не движение.

• Что вы получаете на выходе — MP4-файл, который можно посмотреть, в отличие от геометрии, которую вы оцениваете по IoU относительно эталонной формы.

• Веса — загрузка под лицензией Apache-2.0 для PAN 2; для SKY-001 ничего не опубликовано.

• Цена — время GPU, объём которого можно подобрать под PAN 2; лист ожидания для SKY-001.

Оба двухступенчатые, и узкое место находится в разных местах

Общая инженерная ставка заключается в том, что работу разделяют. Один этап фиксирует структуру — упорядоченное описание того, что должно произойти, — а второй заполняет детали, которые это описание оставляет открытыми. PAN 2 делает это с помощью подписи и диффузионного бэкбона. SKY-001 — с помощью иерархии подцелей и модели конструирования для каждого листа. Если поставить эти два запуска рядом, интересный вопрос перестаёт быть вопросом о том, какая архитектура лучше, и становится вопросом о том, какой этап на самом деле обходится вам дороже.

Что касается PAN 2, то это планировщик, и в отчёте это сказано дважды. На Physics-IQ Verified — бенчмарке image-to-video, нормализованном так, что разброс между двумя реальными дублями одной и той же сцены оценивается в 100, — PAN 2 достигает 93,2 ± 0,8, когда подписи пишет Claude Opus 5.5, и 90,9 ± 0,4 при системных настройках по умолчанию, на сидах с 123 по 126. Замена языковой модели, которая пишет подпись, сдвигает оценку на 2,3 балла по стобалльной шкале, где идеальная оценка означает неотличимость от реальной съёмки. Та же закономерность проявляется в ограничениях из карточки модели: примерно два из трёх смоделированных планов содержат как минимум один шаг, который не выполняется; кейсы с агентом опирались на вручную доработанные промпты; ловкие действия — например, точки контакта каждого пальца с объектом — задаются в тексте лишь грубо; а подписи проверяются на соответствие мягкому лимиту в 1 480 и жёсткой ёмкости в 1 536 токенов. Проблема, о которой сообщается, не в рендерере. Она в предложении, описывающем сцену.

Для SKY-001 планировщик не измеряется как отдельный этап, поэтому в отчёте узким местом указан рендерер. На бенчмарке Skyfall по CAD-конструированию — 1000 компонентов, выбранных из таких объектов, как Jaguar E-Type Roadster, сварочная рука FANUC ArcMate 100iB и вертолёт Bell 222, на каждый из которых требуется примерно 100 шагов черчения — SKY-001 воспроизводит 79,7% эталонной геометрии по среднему IoU против 79,1% у GPT-6 Astra и 76,9% у Gemini 4. На BIM-бенчмарке — 1000 планов этажей, на каждый из которых приходится около 70 шагов черчения — SKY-001 достигает 43,6% против 42,3% у Gemini 3.8 Flash и 40,6% у GPT-6 Astra. Преимущество по архитектуре составляет шесть десятых пункта и 1,3 пункта. Абсолютный показатель — меньше половины плана этажа.

Если читать их вместе и обращать внимание только на относительную величину внутри собственной отчётности каждого поставщика, планировщик — более мощный рычаг в любом из документов. Замена модуля написания подписей в PAN 2 сдвигает его сильнее, чем всё архитектурное преимущество SKY-001 перед ближайшим конкурентом. Бенчмарки разные, и оценки несопоставимы; суть в том, где живёт собственная дисперсия каждой команды.

У этих бенчмарков нет ни общего тестового окружения, ни общего судьи, ни общей базовой политики.

PAN 2 представлен четырьмя способами, и три из них опираются на чужое суждение. Physics-IQ Verified — это публичный бенчмарк с таблицей лидеров; в записи PAN 2 в качестве модели рассуждения используется Claude Opus 5.5, а в столбце system-default запускается собственный пайплайн каждого конкурента в том виде, в каком его прогоняла IFM. PhyGround — это пятибалльная шкала, оцениваемая Qwen3.8-27B, то есть мнение другой модели, а не физическое измерение; PAN 2 набирает 3,98 и 4,11 в двух конфигурациях, указанных в отчёте. RBench — это невзвешенное среднее по пяти категориям задач и четырём категориям воплощения, умноженное на 100; PAN 2 набирает 83,7 и 73,5. Базовые показатели закрытых моделей помечены кинжалом, поскольку были получены по одному разу, а не по нескольким сидам. Есть также слепое исследование с участием людей: 140 промптов, 13 рецензентов, 1400 попарных сравнений, подогнанных под модель Брэдли–Терри с рейтингом Elo, центрированным на 1500, и 95%-ными доверительными интервалами. И есть собственный испытательный стенд IFM — 300 тестовых случаев с одним действием, разделённых на 201 случай «изображение → видео» и 99 случаев «текст → видео» по шести возможностям, плюс 100 многошаговых эгоцентрических задач, сформулированных как 200 промптов и 456 шагов, с результатами в виде среднего ± стандартного отклонения по трём сидам.

SKY-001 приводится двумя способами, оба относятся к Skyfall, оба оценены по IoU относительно эталонной формы, причём в обоих случаях модели-конкуренты управлялись Skyfall с помощью one-shot-промптинга. Ни для одного из этих результатов нет планок погрешностей, и ни одна третья сторона не воспроизвела ни одного числа. Внимательное чтение таблиц выявляет три вещи, которые стоит знать, прежде чем ссылаться на них.

Во-первых, собственные страницы поставщика противоречат друг другу. Панель 3D CAD на странице продукта показывает SKY-001 на уровне 76,1% против GPT-6 Astra — 73,4%, при этом Claude Opus 5.5 — 61,8%, Gemini 3.8 Flash — 45,9%, Qwen 3.8 Max — 26,6% и Kimi K3 — 6,5%. Строительный бенчмарк сообщает о 79,7% против 79,1%. Разные задачи, разные результаты, одни и те же названия моделей в обоих — а Claude Opus 5.5, та самая модель рассуждений, которая повышает показатель Physics-IQ у PAN 2, фигурирует только в одном из них.

Во-вторых, коэффициент ускорения указан тремя разными способами в трёх документах, опубликованных в один и тот же день: 51× на диаграмме в блоге, 49× на странице продукта, 100× в пресс-релизе. Арифметика расставляет всё по местам — 199 секунд, разделённые на 3,9, дают 51,0, — но это говорит о том, что цифры в заголовках писали разные люди, которые не сверяли свою работу.

В-третьих, столбец затрат не объяснён. Skyfall сообщает о $0.005 за CAD-кейс и $0.0024 за план и не уточняет, является ли это прайс-листовой ценой, арендованным временем GPU или амортизированным инференсом на собственной инфраструктуре. Это три разных утверждения, и эта разница особенно важна для моделей, которые Skyfall запускала сама, а не вызывала.

Ничто из этого не делает историю эффективности SKY-001 ошибочной. 51-кратное преимущество в скорости и 150-кратное преимущество в стоимости над лучшим конкурентом при сопоставимой точности — это реальное утверждение о реальной рабочей нагрузке. Это делает его непроверенным, а это уже другое.

Сколько стоит эксплуатация и в какой мере это можно знать

Вычисления PAN 2 опубликованы в виде рецепта, который вы можете оценить самостоятельно. Развёртывание по умолчанию — восемь H200 в BF16, при этом classifier-free guidance разделён между двумя рангами, Ulysses sequence parallelism — между двумя, а декодирование VAE распределено по четырём тайлам. Рецепт обслуживания сообщает о 13 секундах видео 704×1248 примерно за 119 секунд на четырёх B300. Цены за секунду по прайс-листу нет, поскольку IFM не запускает хостируемую конечную точку; важное для вас число — это то, сколько ваш провайдер взимает за GPU, умноженное на количество секунд на клип, которое вы фактически генерируете.

Вычислительные ресурсы SKY-001 не опубликованы ни в какой форме, допускающей оценку стоимости. Нет ни числа параметров, ни описания оборудования, ни показателя пропускной способности, ни эндпоинта. Есть лишь стоимость одного случая у поставщика, состав которой не раскрывается, и форма для листа ожидания.

Эта асимметрия значит для этого сравнения больше, чем разрывы в бенчмарках. Одну из этих моделей можно протестировать на ваших собственных данных уже сегодня днём, на вашем собственном оборудовании, с затратами, которые вы можете спрогнозировать. О другой можно только читать.

Единственная часть любого из этих стеков, которую сегодня можно арендовать

Ни PAN 2, ни SKY-001 нет на OrcaRouter, и ни один из них нельзя маршрутизировать через него: PAN 2 — это 86-ГБ чекпоинт, который вы развёртываете сами, а у SKY-001 нет API, который можно вызвать. Та часть пайплайна PAN 2, которая является обычной хостинговой моделью, — это первая: концептуальная рассуждающая модель, превращающая ваш запрос в описание состояния мира. IFM оценила четыре из них в порядке завершения полного плана: Claude Opus 5.5, GPT-6 Astra при средних усилиях, Kimi K3 и Qwen3.8-Flash, и отмечает, что можно использовать любую модель, следующую инструкциям. Qwen3.8-Flash есть в каталоге OrcaRouter, а значит, этап описания при развёртывании PAN 2 может работать на одном ключе с тарификацией провайдеров по прайс-листу, передаваемой без наценки (0%), и с автоматическим переключением при сбое, если провайдер деградирует посреди пакета планов. Это стоит настроить до этапа диффузии, а не после: именно на планировщике наблюдается измеренная вариативность, поэтому это тот этап, где более дешёвую модель и второго провайдера стоит протестировать друг против друга на ваших собственных промптах.

Какую проблему вы на самом деле держите?

Если вам нужно предсказание того, что действие делает со сценой, в пикселях, в течение следующих нескольких секунд — для агента, который хочет представить исходы перед выбором, или для видеоконвейера, где физика должна соблюдаться — PAN 2 — это один из этих двух, созданный для этого, и вы можете получить его сейчас. Учитывайте затраты на этап подписей и на защитный барьер: IFM поставляет отдельный репозиторий защитного барьера, который проверяет запрос с помощью Qwen3Guard-Gen-4B перед генерацией, а выходной результат — с помощью классификатора кадров Q16 после неё, и в его внутренней оценке это сочетание сократило долю вредоносных запросов текст-в-видео, создающих небезопасное видео, с 33,9% до 1,5%, а также остановило 11,5% безвредных запросов текст-в-видео и 3,3% безвредных запросов изображение-в-видео. Слой безопасности, который стоит вам одного безвредного запроса из девяти, — это реальные производственные затраты, а не сноска.

Если вам нужно превратить проектный замысел в геометрию CAD или BIM, то SKY-001 — единственный из двух, кто на это нацелен, и получить его вы не можете. Честная замена сегодня — это передовая языковая модель, подключённая к вашей цепочке CAD-инструментов, и именно такую конфигурацию измеряют собственные таблицы SKY-001: IoU от 9,5% до 42,3% в зависимости от модели и задачи. Вот почему лист ожидания выполняет реальную работу, а не маркетинговую: альтернатива — не конкурент, а худшее число.

Если вам нужен физический движок, то ни тот ни другой. Симуляции PAN 2 — это предсказания, об этом прямо сказано в его описании, и в его собственном списке ограничений указаны симуляции, которые развиваются с нарушением физических ограничений — макароны оказываются в дуршлаге до того, как с них слили воду. SKY-001 создаёт чертежи и нигде не заявляет о динамике. Называть любой из них моделью мира точно в том смысле, в каком этот термин используют обе команды, и вводит в заблуждение в том смысле, в каком его использует игровой движок.

Следить нужно не за следующим бенчмарком, а за тем, воспроизведёт ли кто-то за пределами этих двух компаний хоть одну цифру: опубликует ли Skyfall протокол IoU и расчёт затрат, лежащий в основе его показателей по каждому случаю, и сохранится ли разрыв в производительности между стандартным пайплайном PAN 2 и его лучшим модулем рассуждений при столкновении с промптами, которые никто не дорабатывал вручную. Оба вопроса касаются одного и того же этапа — того, на котором решается, что должно произойти, прежде чем что-либо будет создано.